微燃机分布式能源系统建模仿真与优化研究

微燃机分布式能源系统建模仿真与优化研究

黎鹏飞、张敏杰、王诚前、王磊、樊泽华、刘卫强、王耀坤、苏周、朱军

（京能（阳西）综合能源有限公司 529800）

摘要：随着能源需求的不断增长和环境问题的日益严重，传统的大型中心化电力系统已经面临各种挑战。微燃机分布式能源系统作为一种灵活、高效的能源供应方案，具有分布式发电、热能回收和能源利用效率等优势，因此受到了广泛的关注和应用。为了实现微燃机分布式能源系统的最佳性能和效益，需要进行合理的系统设计、建模仿真和优化。基于此，本篇文章对微燃机分布式能源系统建模仿真与优化进行研究，以供参考。

关键词：微燃机；分布式能源系统；建模仿真；优化方法

引言

微燃机分布式能源系统是一种灵活、高效的能源供应方案，具有很大的应用潜力。然而，为了实现其最佳性能和效益，需要进行系统的建模仿真和优化。以微燃机分布式能源系统为例，通过建立相应的模型进行仿真分析，并应用优化方法对系统参数和控制策略进行优化。通过研究，得出了优化结果，并验证了模型的准确性和适用性。

1微燃机的基本原理与特点

微燃机的基本原理是将燃料和空气以一定比例混合后，在高温和高压下发生燃烧，产生高温高压的燃烧气体，从而驱动发电机或其他设备。微燃机通常采用内燃循环，包括吸入、压缩、点火和排出四个阶段。燃料在内燃机中燃烧释放能量，然后以驱动的形式转化为机械能。微燃机相比传统燃机具有一些独特的特点。微燃机体积小、重量轻，因此占地面积小且便于安装和移动。微燃机启动快速，通常只需几秒钟即可达到额定运行状态，有效提高了系统的响应速度。微燃机对负载变化具有良好的适应性，可在宽频率范围内稳定运行。由于微燃机可以实现高效能转换，其能源利用效率较高。微燃机还具有较低的排放特点。由于其小功率和小燃烧室体积，微燃机燃烧所需的燃料量相对较少，排放的废气也较少。与传统的大型燃机相比，微燃机的排放量更为环保。

2微燃机分布式能源系统建模方法

2.1建模参数选择与建模假设

建模参数选择和建模假设在微燃机分布式能源系统的建模过程中起着重要的作用。选择适当的建模参数可以准确描述系统的特性和行为，而建模假设则为简化和实现模型提供了前提和基础。在选择建模参数时，需要考虑系统的物理特性、运行条件和目标。常见的建模参数包括微燃机的燃料特性（例如低热值、燃料流量）、微燃机的功率和效率曲线、外部环境的温度和湿度、负载的变化范围等。这些参数可以通过实测数据、文献调研或其他可靠来源获取。建模假设是对系统行为和特征的简化描述，可以降低模型复杂性和建模难度。常见的建模假设包括稳态假设（忽略系统的瞬态响应）、恒温假设（假设系统保持恒定温度）、理想气体假设（假设燃烧过程中气体遵循理想气体方程）等。这些假设可以根据具体研究问题和建模目的进行合理选择，使模型简化但仍能保持一定的准确性。

2.2微燃机的数学模型与方程

微燃机的数学模型和方程是基于燃烧原理、能量守恒和质量守恒等原理建立的。通过建立这些模型和方程，可以对微燃机的燃烧过程和工作性能进行准确的数学描述。微燃机的数学模型通常基于以下假设和方程：将空气燃料混合后，通过压缩引起燃料的点火和燃烧。这个过程可以通过理想气体状态方程来描述，如理想气体定律或压力-体积方程。燃料在燃烧过程中与空气发生化学反应，释放出能量。这个过程可以根据燃料的化学组成和燃烧反应方程来描述，考虑燃料燃烧时产生的热量和生成物的分布。根据能量守恒和质量守恒原理，考虑燃料的输入和输出、热量传递、机械能转换等过程，建立微燃机的能量平衡和质量平衡方程。这些方程可以描述微燃机内部各个部件的热力学特性和能量转换效率。

2.3模型的仿真实验设计及数据采集方法

在模型的仿真实验设计中，需要确定实验的目标和要验证的方面，例如验证微燃机的燃烧效率、能量转换效率、响应速度等。根据实验目标，设计相应的实验场景和工况，包括负载变化、燃料供给方式、温度湿度等因素。根据实验方案和场景，选择合适的仿真平台和工具进行模型的建立和仿真实验。在进行仿真实验时，需要设定合适的参数和初始条件，例如微燃机的功率、燃料流量、环境温度等。通过改变这些参数和条件，可以模拟不同工作状态下的微燃机性能。在数据采集方面，可以通过仿真平台提供的数据记录功能，实时监测和保存模型运行过程中的各项数据。同时，根据实验目标和需求，选择合适的数据采集方法，例如采集系统输出功率、温度、压力等关键参数的时间序列数据，或者通过设置触发条件来采集特定事件的数据。

3微燃机分布式能源系统优化方法

3.1优化的约束条件

在进行优化过程中，还需要考虑一系列的约束条件，以确保系统在运行过程中满足相关规定和要求。微燃机分布式能源系统需要保持稳定的运行状态，避免突然的故障或异常情况。因此，在优化过程中需要设定相应的稳定性约束条件，如保持合适的频率和电压范围。根据实际用户需求，系统在优化过程中需要满足负载的实时需求。这包括负载的容量、动态变化和功率因数等方面的约束条件。为了保护环境和符合相关法规准则，微燃机分布式能源系统在运行时需要满足一定的排放限制。这可以通过控制燃烧过程和选用合适的污染控制技术来达到。优化过程中需要确保系统的安全性，避免潜在的安全风险。这包括对燃料的储存、燃烧过程的控制、系统的维护等方面的约束条件。

3.2基于进化算法的优化方法

基于进化算法的优化方法通过模拟物种演化过程中的选择、交叉和变异等操作，来不断搜索解空间中的最优解。进化算法能够全局搜索解空间，避免陷入局部最优解。它通过引入随机性和多样性，能够有效地探索系统的整个搜索空间，寻找全局最优解，从而提高系统的性能和效能。基于进化算法的优化方法具有较强的鲁棒性和适应性。它能够处理高维度、非线性和复杂的优化问题，对约束条件和目标函数的可变性和不确定性有较好的适应能力，可以灵活地应用于不同的优化场景。基于进化算法的优化方法是一种多目标优化方法。它可以同时考虑和优化多个目标函数，帮助实现系统的多目标优化和平衡。在使用基于进化算法的优化方法时，需要明确问题的优化目标和约束条件，并合理设置算法的参数和运行策略，如选择合适的交叉概率和变异概率，设置种群大小和进化代数等。

3.3基于机器学习的优化方法

机器学习可以通过大量的数据样本进行训练，建立预测模型或决策模型。机器学习在处理高维度、非线性和复杂问题方面具有较好的适应能力。微燃机分布式能源系统通常涉及到多个影响因素和约束条件，基于机器学习的优化方法可以从大量的输入数据中学习到系统的内在规律，并通过智能算法进行优化决策，提高系统的性能和效益。基于机器学习的优化方法可以应对动态环境下的优化问题。微燃机分布式能源系统中，负载需求、天气条件、能源价格等因素都可能发生变化，基于机器学习的优化方法可以根据实时数据的变化，实现对系统性能的实时优化和调整。常见的基于机器学习的优化方法包括神经网络、支持向量机、决策树、遗传编程等。这些方法可以根据特定的优化问题和数据特征，选择合适的算法和模型进行训练和优化。

结束语

总之，通过对微燃机分布式能源系统的建模仿真与优化研究，能够在能源供应和环境保护方面的潜力，为系统的设计和优化提供了理论和技术支持。

参考文献

[1]谢娜,韩高岩,吕洪坤等.微燃机冷热电三联供系统建模及热力学分析[J].浙江电力,2020,39(04):94-101.

[2]张健,徐玉杰,李斌等.分布式热电联产系统装机容量及运行策略分析[J].储能科学与技术,2019,8(01):83-91.

[3]许玉杰.微燃机分布式供能系统动态特性与控制方法研究[D].中国科学院工程热物理研究所,2018.

[4]赵德材.微燃机-LiBr制冷机分布式能源系统建模及非线性控制[D].东南大学,2018.

[5]罗星星.微燃机分布式能源系统建模仿真与优化研究[D].江苏科技大学,2018.